Dental care provision for people with neurodevelopmental disorders in Iran; a qualitative study of barriers
Notice bibliographique
Résumé
INTRODUCTION: One of the most underserved populations among dental patients is the people with Neurodevelopmental Disorders (PNDs). This study aimed to explore the barriers to dental care provision for PNDs from the viewpoint of stakeholders in provision in Iran. METHODS: We arranged a qualitative study based on an individual in-depth, semi-structured interview between October 2019 and February 2020. We interviewed 30 participants using a snowball sampling strategy with three groups: dentists who provided dental care for PNDs, dental public health professionals, and policymakers/managers in dental care provision in Iran. The interviewer used an interview framework based on Levesque's model of patient-centered access. The main question was: "How do you assess the barriers to the provision of dental services to PNDs in Iran?" The data were analyzed by the qualitative content analysis method described by Graneheim and Lundman. RESULTS: From the 30 interviewees (11 women), there were 11 dentists, nine dental public health professionals, and 10 participants who worked as policymakers/managers. They were aged 35-62 years and had working experience between 4 and 25 years. In the content analysis, 60 meanings units were extracted, and later classified into 14 subthemes, and four main themes. CONCLUSION: Four main barriers were traced regarding access, financial, competency-related, and policy-making aspects.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,006 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».